Sebelumdata diproses maka dilakukan . 1. Lihat jawaban. Lihat apa yang dikatakan komunitas dan buka kunci lencana. close. report flag outlined. report flag outlined. bell outlined. bell outlined. Jikasebuah data telah diproses berdasarkan enam acuan tersebut, proses analisis data akan lebih mudah dilakukan karena data dari berbagai sumber telah dimuat dalam sebuah set data dengan format yang sama. Kesimpulan. Data preprocessing adalah proses yang penting dilakukan guna mempermudah proses analisis data. Proses ini dapat menyeleksi data dari berbagai sumber dan menyeragamkan formatnya ke dalam satu set data. Artinyasebelum DIPA/DPA terbentuk maka proses pemilihan penyedia dapat dilaksanakan. Pelaksanaan Pemilihan Penyedia Mendahului Tahun Anggaran. Lebih lanjut dan lebih spesifik lagi, proses pengadaan khususnya proses pemilihan penyedia dapat dilakukan mendahului tahun anggaran, dasar hukumnya adalah Pasal 50 ayat (9) dan ayat (10) maka : Sebelumdata diproses, maka dilakukan a. penggolongan data. b. input data. c. pendekatan data tabuler. d. memanipulasi data. e. penyimpanan data. Jawaban : b. input data. Dilansir dari ensiklopedia. Sebelum data diproses, maka dilakukan input data. Soal dan kunci jawaban lainnya : Apa dampak yang ditimbulkan akibat pergantian kabinet pada Setelahmengisi seluruh data identitas di dalam formulir pendaftaran maka Anda tinggal mencentang kolom untuk konfirmasi umur. Lantas, kalian tinggal klik tombol submit agar data Anda segera diproses oleh agen slot pulsa. Silakan tunggu beberapa saat hingga Anda mendapatkan link verifikasi yang akan dikirim ke email. . Sebuah perusahaan yang memiliki data dalam jumlah besar pasti membutuhkan cara untuk memproses data itu menjadi informasi berharga yang akan bermanfaat bagi bisnis. Namun, sebelum bisa memproses data-data yang sangat banyak itu, pertama-tama diperlukan proses mempersiapkan data yang dalam Bahasa Inggris disebut data tahapan melakukan persiapan data yang baik untuk kelancaran bisnis? Di bawah ini Anda akan bisa menemukan penjelasan lengkap mengenai pengertian serta tahapan data tentang Data PreparationData preparation atau data preprocessing adalah proses mengumpulkan, menggabungkan, menyusun, dan mengatur data sehingga bisa dipakai dalam aplikasi business intelligence BI, analitik, dan visualisasi data. Komponen data preparation seringkali melibatkan pengumpulan data dari sistem internal dan sumber eksternal yang sederhana, data preparation adalah teknik yang digunakan untuk mengubah data mentah dalam format yang berguna dan efisien. Hal ini diperlukan karena data mentah sering kali tidak lengkap dan memiliki format yang tidak konsisten, apalagi jika berasal dari kumpulan yang utama dari data preparation adalah untuk memastikan bahwa data mentah yang akan diproses serta dianalisis sudah akurat dan konsisten. Nantinya, ini akan berimbas pada hasil aplikasi BI dan analitik yang valid. Membenarkan data yang salah, memvalidasi kualitas data, dan mengkonsolidasikan kumpulan data adalah bagian besar dari proyek data Melakukan Data PreparationSemua perusahaan perlu menyaring insight atau wawasan yang diperoleh dari proses ekstraksi data yang terkumpul. Agar proses penyaringan bisa berjalan optimal, data perlu disiapkan terlebih dahulu dengan melalui beberapa tahap ada variasi berbeda dari tahapan data preparation oleh para data scientist profesional dan vendor perangkat lunak, biasanya prosesnya melibatkan hal-hal berikut1. Data collectionTahap data preparation yang pertama adalah mengumpulkan data yang relevan dari OS, data warehouse, data lake, atau tempat penyimpanan lainnya. Di tahap ini, para data scientist, anggota dari tim BI, dan end user yang mengumpulkan data wajib melakukan konfirmasi bahwa data tersebut telah sejalan dengan tujuan aplikasi analitik yang Data discovery and profilingTahap berikutnya adalah mengeksplor data yang terkumpul untuk lebih memahami informasi yang ada di dalamnya. Selain itu, data preparation perlu dilakukan untuk menyiapkan data tersebut bagi penggunaan yang melakukannya, pola akan diidentifikasi melalui pembuatan profil data, hubungan, dan atribut lain dalam data. Anomali, inkonsistensi, dan nilai yang hilang merupakan contoh masalah yang akan dilihat agar dapat Data cleansingSelanjutnya, data yang salah dan bermasalah dibenarkan untuk membuat kumpulan data yang lengkap dan akurat. Misalnya, sebagai bagian dari proses data cleansing, data yang tidak tepat akan diperbaiki atau dihapus, entri yang tidak konsisten akan disesuaikan, dan nilai yang hilang akan Data formattingDengan memformat data, data akan dimodelkan dan diatur untuk memenuhi persyaratan analitik. Sebagai contoh, data yang disimpan sebagai file CSV atau dalam format file lain harus dikonversikan ke dalam tabel sehingga BI dan alat-alat analitik lainnya bisa mengakses data Data combining and analyzingSelain ditata agar terstruktur, data biasanya harus ditransformasi ke dalam format yang dapat digunakan dengan menggabungkan, memisahkan, atau memasukkan bersama kumpulan input. Setelah langkah menggabungkan data selesai, data tersebut siap dipindahkan ke staging area di data warehouse. Begitu data berada di staging area, ada kesempatan kedua untuk memvalidasi Data validation and publishingPada tahapan data preparation yang terakhir ini, rutinitas otomatis akan dijalankan untuk data guna memvalidasi konsistensi, kelengkapan, serta akurasinya. Data yang sudah dipersiapkan kemudian akan disimpan di dalam data lake, data warehouse, atau tempat penyimpanan lain. Data ini akan digunakan secara langsung oleh siapa pun yang menyiapkannya atau tersedia untuk diakses oleh pengguna preparation adalah proses mengumpulkan, membersihkan, dan mengkonsolidasikan data ke dalam satu folder atau tabel data, yang biasanya diperuntukkan dalam analisis. Proses ini sebaiknya dijadikan praktik formal di perusahaan-perusahaan sehingga nantinya akan memudahkan pengguna untuk mencari data yang relevan. Mereka pun akan memiliki pengetahuan yang dibutuhkan jika ingin menggunakan data memperdalam data preparation dalam data science? Anda bisa mengikuti kursus atau mengambil pelatihan yang akan memberi banyak sekali insight tentang data science dalam praktiknya di dunia kerja. Segeralah mendaftar di Algoritma Data Science School untuk memperdalam ilmu data preparation Anda. Tersedia berbagai kelas data science yang menarik dan berguna bagi karier!ReferensiSearchBusinessAnalytics - What is data preparation? An in-depth guide to data prep diakses pada 27 Juli 2022Actian - Six Essential Data Preparation Steps for Analytics diakses pada 27 Juli 2022SAS - The five D's of data preparation diakses pada 27 Juli 2022Altair - What is Data Preparation? diakses pada 27 Juli 2022 Penjelasan Arketipe Siklus Perebusan Data Pada Komputer – Pengolahan data yang menggunakan komputer sebagai kendaraan utamanya dikenal dengan istilah Electronic Data Processing EDP . Pengolahan data yaitu proses dimana sebuah data diproses dan diubah kedlam bentu yang bertambah berguna dan makin berarti, yang berupa sebuah informasi. Internal mengerjakan propaganda pengolahan data, sistem komputer jinjing terdiri semenjak tiga tahap dasar ialah tahap pembayaran data Input, tahap pengolahan data Processing, dan tahan pengeluaran hasil Output. Dalam mengoperasikan tahap tahapan tersebut ke tahap tahapan berikutnya pada perangkat keras digunakan hardware dan harus dikendalikan oleh pemakai ataupun konsumen brainware, perintah tersebut menggunakan operasi ataupun perintah tertentu berupa perangkat lunak software pada komputer. Tahap pengembangan mulai sejak pengolahan data asal diatas adalah ditambah dengan perangkat penyimpanan data atau pengetahuan storage devices dan dibentuk dengan model siklus pengolahan data Data Processing Cycle. Siklus Pengolahan Data Berikut ini yaitu silsilah atau siklus penggarapan data pada komputer 1. Input Proses memasukan data atau intruksi. Perangkat input yaitu perangkat nan digunakan untuk memasukan data . Contoh keyboard dan mouse 2. Proses / CPU prosessor Pengolahan data yang selanjutnya bisa menghasilkan satu informasi nan diperlukan. Unit pemprosesan ini dinamakan CPU Central Prossesing Unit . CPU bekerja dengan aritmatika dan logika terhadap data nan terdapat privat sejarah atau yang dimasukan melalui unit masukan sama dengan keyboard,scanner,joystik. Unit pemrosesan didalam CPU terdiri dari Alu Arithmatic Logical Unit Berfungsi untuk mengerjakan suatu proses data yang berbentuk data dan logica begitu juga data matematika dan statistika . tugas terdepan berpunca Alu adalah melakukan perhitungan aritmatika ilmu hitung nan terdiri sesuai dengan intruksi program . CU Control Unit Berfungsi untuk berbuat pengontrolan pengendalian terhadap suatu proses yang di buat sebelum data terseut dikeluarkan atau output. Tugas berbunga CU merupakan → Mengantur dan mengendalikan gawai “input dan output”. → Mencoket intruksi “ dari album utama “. →Mencekit data semenjak sejarah utama . → Menggudangkan hasil proses ke album utama . 3. Storage Devices Penyimpanan Penyimpanan dibagi menjadi n domestik dan external. Intern ki kenangan secara langsung boleh di akses prossesor secara berbarengan , lengkap → Register, merupakan jenis memori yang terdapat pada prossesor dan perumpamaan memori intern prossesor . → Cache memory , ialah memori nan dapat meningkatkan kelajuan komputer yang dikatakan sebagai memori pialang. → My memory , terdiri mulai sejak RAM Random Acccess Memory, positif intruksi atau memory sementara . ROM Read Only Memory, berfungsi mendukung proses kerja komputer jinjing bersifat permanen atau tetap . BIOS Basic Input Output System , saat melakukan booting . Enternal Memory yang bisa diprosses oleh prossesor menerobos Port . 4. Output Peralatan pengeluaran yang dapat menyajikan pemberitahuan yang dibutuhkan. Output yang dihasilkan dari pengolahan data dapat digolongkan kedalam 4 spesies susuk Tulisan, terdiri dari aksara, kata , kredit , karakter idiosinkratis,dan symbol-symbol lain . Image , dalam gambar gambar tabel alias gambar . Suara kerumahtanggaan rencana irama Susuk yang dibaca oleh mesin dalam bentuk symbol dan belaka dapat dibaca oleh komputer jinjing. Demikian informasi yang disampaikan seputar Siklus Penggodokan Data Lega Komputer jinjing, Semoga bermanfaat Latihan Soal Online - Latihan Soal SD - Latihan Soal SMP - Latihan Soal SMA Kategori Geografi ★ Soal Geografi SMA Kelas XII Semester 1Sebelum data diproses, maka dilakukan …. a. penggolongan data b. input data c. pendekatan data tabuler d. memanipulasi data e. penyimpanan dataPilih jawaban kamu A B C D E Latihan Soal SD Kelas 1Latihan Soal SD Kelas 2Latihan Soal SD Kelas 3Latihan Soal SD Kelas 4Latihan Soal SD Kelas 5Latihan Soal SD Kelas 6Latihan Soal SMP Kelas 7Latihan Soal SMP Kelas 8Latihan Soal SMP Kelas 9Latihan Soal SMA Kelas 10Latihan Soal SMA Kelas 11Latihan Soal SMA Kelas 12Preview soal lainnya Soal Geografi SMA Kelas XII Semester 1Sebagai suatu sistem, SIG terdiri dari atas beberapa subsistem. Subsistem yang mempunyai fungsi mengumpulkan dan mempersiapkan data spasial dan data atribut dari berbagai sumber data adalah data …. a. input b. manajemen c. manipilasi d. analisis e. outputCara Menggunakan Baca dan cermati soal baik-baik, lalu pilih salah satu jawaban yang kamu anggap benar dengan mengklik / tap pilihan yang Latihan Soal LainnyaTIK SD Kelas 3PAS IPA Semester 1 Ganjil SD Kelas 6Klasifikasi Makhluk Hidup - IPA Biologi SMP Kelas 7Pantomim - Seni Budaya SMP Kelas 8Ekonomi SMA Kelas 12PAS 1 Bahasa Jawa SD Kelas 5PAS Tema 1 SD Kelas 6Produksi Pengolahan Hasil Hewani SMK Kelas 11 APHPUlangan Harian IPA Subtema 2 SD Kelas 5Grafik Fungsi Kuadrat - Matematika SMP Kelas 9 Tahapan kerja SIG meliputi Tahap masukan data/ input data, yaitu memasukan data spasial informasi geosfera yang dapat berwujud tabel, grafik, data digital, foto udara, peta dan lain-lain. Pengolahan data untuk pengorganisasian data keruangan, pengambilan dan analisis data. Analisis dan manipulasi data dapat menentukan informasi-informasi yang dapat dihasilkan oleh SIG dan berfungsi untuk membedakan data yang akan diproses dalam SIG. Tahap keluaran data/ output data berfungsi untuk menayangkan hasil analisis data geografis secara kualitatif ataupun kuantitatif. Jadi, jawaban yang tepat adalah C. Data Preprocessing membuat proses analisis data lebih mudah 10 Februari 2022 Ketika mengolah data perusahaan, data preprocessing penting dilakukan karena dapat mempermudah tahap analisis data. Mengapa demikian? Pada artikel ini, akan dijelaskan mengenai apa itu preprocessing data, step-step dalam data preprocessing, dan fungsinya bagi data mining. Simak terus pembahasannya di bawah ini. Apa itu preprocessing data? Data preprocessing adalah proses yang mengubah data mentah ke dalam bentuk yang lebih mudah dipahami. Proses ini penting dilakukan karena data mentah sering kali tidak memiliki format yang teratur. Selain itu, data mining juga tidak dapat memproses data mentah, sehingga proses ini sangat penting dilakukan untuk mempermudah proses berikutnya, yakni analisis data. Step-step dalam data preprocessing Setelah mengetahui tentang apa itu data preprocessing , ada beberapa step yang perlu dilakukan ketika akan melakukan data preprocessing. Berikut ini beberapa tahapannya 1. Data cleaning Tahap pertama yang perlu dilakukan ketika akan preprocessing data adalah data cleaning atau membersihkan data. Artinya, data mentah yang telah Anda peroleh perlu diseleksi kembali. Kemudian, hapus atau hilangkan data-data yang tidak lengkap, tidak relevan, dan tidak akurat. Dengan melakukan tahap ini, Anda akan menghindari kesalahpahaman ketika menganalisis data tersebut. Ada dua hal yang harus Anda perhatikan ketika melakukan data cleaning, yakni pastikan data-data yang dikumpulkan tidak lagi mengandung data dengan missing values. Lalu, Anda juga harus memastikan bahwa data-data tersebut seluruhnya diperlukan saat proses analisis data. Dengan demikian, data yang Anda kumpulkan telah disesuaikan dan tidak mubazir. 2. Data Integration Karena data preprocessing akan menggabungkan beberapa data dalam suatu dataset, maka Anda harus mengecek data-data yang datang dari berbagai sumber tersebut supaya memiliki format yang sama. Proses ini menjadi salah satu step penting dalam proses ini. Beberapa permasalahan bisa muncul ketika melakukan data integration. Misalnya, Anda ingin menggabungkan data dari beberapa sumber. Anda harus mengetahui bahwa data pada sumber pertama dimiliki oleh si A, dan data pada sumber kedua juga terkait dengan si A. Kelihatannya seperti hal mudah, padahal dua sumber tersebut memiliki format yang berbeda. Itulah yang membuat data integration sedikit lebih rumit. 3. Transformasi data Proses berikutnya yang harus dilakukan adalah transformasi data. Seperti yang telah dijelaskan di atas, data akan diambil dari berbagai sumber yang kemungkinan memiliki perbedaan format. Anda harus menyamakan seluruh data yang terkumpul supaya dapat mempermudah proses analisis data. Misalnya, Anda akan mengambil data karyawan pada sumber pertama yang menggunakan format DD/MM/YYYY. Kemudian, pada sumber berikutnya, data karyawan menggunakan format MM/DD/YYYY. Ketika akan mengumpulkan data, keduanya tentu perlu diubah dan diseragamkan dalam satu format yang sama. 4. Mengurangi Data Tahap terakhir yang perlu dilakukan adalah mengurangi jumlah data data reduction. Maksudnya adalah Anda harus mengurangi sampel data yang diambil, tetapi dengan catatan, tidak akan mengubah hasil analisis data. Ada tiga teknik yang bisa diterapkan saat melakukan pengurangan data, yakni dimensionality reduction pengurangan dimensi, numerosity reduction pengurangan jumlah, dan data compression kompresi data. Ketiga teknik tersebut bisa disesuaikan dengan kebutuhan; apakah data yang diolah besar, sedang, atau perlu dikompresi dan berisiko merugikan. Fungsi preprocessing pada data mining Preprocessing data penting untuk dilakukan karena dapat memberikan fungsi atau manfaat pada data mining. Proses ini utamanya dilakukan untuk memastikan kualitas data baik sebelum digunakan saat analisis data. Dalam proses ini Anda dapat memastikan enam hal, yakni akurasi data, kelengkapan, konsistensi, ketepatan waktu, tepercaya, dan dapat diinterpretasi dengan baik. Jika sebuah data telah diproses berdasarkan enam acuan tersebut, proses analisis data akan lebih mudah dilakukan karena data dari berbagai sumber telah dimuat dalam sebuah set data dengan format yang sama. Kesimpulan Data preprocessing adalah proses yang penting dilakukan guna mempermudah proses analisis data. Proses ini dapat menyeleksi data dari berbagai sumber dan menyeragamkan formatnya ke dalam satu set data. Step-step di atas dapat Anda lakukan ketika akan melakukan preprocessing data. Bagi Anda yang ingin mendalami pemrosesan data, Anda bisa memulainya dengan mengikuti kelas di Algoritma Data Science School. Tersedia beragam pilihan kelas data science yang bisa Anda ikuti sesuai kebutuhan. Informasi lebih lanjut, kunjungi website Algoritma dengan klik di sini!. Referensi analyticsvidhya– Data Preprocessing in Data Mining -A Hands On Guide owardsdatascience– Data Preprocessing Concepts Related Blog Apa Itu Data Analysis Expressions? 0 0 Algoritma Team 2022-07-07 0851592022-07-17 215400Berkenalan dengan Data Analysis Expressions DAXCara Menjadi Data Scientist Handal 600 1440 Bunga Bunga2022-07-01 1549402022-07-17 215401Ingin Jadi Data Scientist Handal? Ini Skill yang Wajib DikuasaiMengenal Apa Itu Distributed Processing 600 1440 Bunga Bunga2022-07-01 1143402022-07-17 215401Kenali Apa Itu Distributed Processing dan Mengapa Ini Dipakai? Ketika mengolah data perusahaan, data preprocessing penting dilakukan karena dapat mempermudah tahap analisis data. Mengapa demikian? Pada artikel ini, akan dijelaskan mengenai apa itu preprocessing data, step-step dalam data preprocessing, dan fungsinya bagi data mining. Simak terus pembahasannya di bawah ini. Apa itu preprocessing data? Data preprocessing adalah proses yang mengubah data mentah ke dalam bentuk yang lebih mudah dipahami. Proses ini penting dilakukan karena data mentah sering kali tidak memiliki format yang teratur. Selain itu, data mining juga tidak dapat memproses data mentah, sehingga proses ini sangat penting dilakukan untuk mempermudah proses berikutnya, yakni analisis data. Step-step dalam data preprocessing Setelah mengetahui tentang apa itu data preprocessing , ada beberapa step yang perlu dilakukan ketika akan melakukan data preprocessing. Berikut ini beberapa tahapannya 1. Data cleaning Tahap pertama yang perlu dilakukan ketika akan preprocessing data adalah data cleaning atau membersihkan data. Artinya, data mentah yang telah Anda peroleh perlu diseleksi kembali. Kemudian, hapus atau hilangkan data-data yang tidak lengkap, tidak relevan, dan tidak akurat. Dengan melakukan tahap ini, Anda akan menghindari kesalahpahaman ketika menganalisis data tersebut. Ada dua hal yang harus Anda perhatikan ketika melakukan data cleaning, yakni pastikan data-data yang dikumpulkan tidak lagi mengandung data dengan missing values. Lalu, Anda juga harus memastikan bahwa data-data tersebut seluruhnya diperlukan saat proses analisis data. Dengan demikian, data yang Anda kumpulkan telah disesuaikan dan tidak mubazir. 2. Data Integration Karena data preprocessing akan menggabungkan beberapa data dalam suatu dataset, maka Anda harus mengecek data-data yang datang dari berbagai sumber tersebut supaya memiliki format yang sama. Proses ini menjadi salah satu step penting dalam proses ini. Beberapa permasalahan bisa muncul ketika melakukan data integration. Misalnya, Anda ingin menggabungkan data dari beberapa sumber. Anda harus mengetahui bahwa data pada sumber pertama dimiliki oleh si A, dan data pada sumber kedua juga terkait dengan si A. Kelihatannya seperti hal mudah, padahal dua sumber tersebut memiliki format yang berbeda. Itulah yang membuat data integration sedikit lebih rumit. 3. Transformasi data Proses berikutnya yang harus dilakukan adalah transformasi data. Seperti yang telah dijelaskan di atas, data akan diambil dari berbagai sumber yang kemungkinan memiliki perbedaan format. Anda harus menyamakan seluruh data yang terkumpul supaya dapat mempermudah proses analisis data. Misalnya, Anda akan mengambil data karyawan pada sumber pertama yang menggunakan format DD/MM/YYYY. Kemudian, pada sumber berikutnya, data karyawan menggunakan format MM/DD/YYYY. Ketika akan mengumpulkan data, keduanya tentu perlu diubah dan diseragamkan dalam satu format yang sama. 4. Mengurangi Data Tahap terakhir yang perlu dilakukan adalah mengurangi jumlah data data reduction. Maksudnya adalah Anda harus mengurangi sampel data yang diambil, tetapi dengan catatan, tidak akan mengubah hasil analisis data. Ada tiga teknik yang bisa diterapkan saat melakukan pengurangan data, yakni dimensionality reduction pengurangan dimensi, numerosity reduction pengurangan jumlah, dan data compression kompresi data. Ketiga teknik tersebut bisa disesuaikan dengan kebutuhan; apakah data yang diolah besar, sedang, atau perlu dikompresi dan berisiko merugikan. Fungsi preprocessing pada data mining Preprocessing data penting untuk dilakukan karena dapat memberikan fungsi atau manfaat pada data mining. Proses ini utamanya dilakukan untuk memastikan kualitas data baik sebelum digunakan saat analisis data. Dalam proses ini Anda dapat memastikan enam hal, yakni akurasi data, kelengkapan, konsistensi, ketepatan waktu, tepercaya, dan dapat diinterpretasi dengan baik. Jika sebuah data telah diproses berdasarkan enam acuan tersebut, proses analisis data akan lebih mudah dilakukan karena data dari berbagai sumber telah dimuat dalam sebuah set data dengan format yang sama. Kesimpulan Data preprocessing adalah proses yang penting dilakukan guna mempermudah proses analisis data. Proses ini dapat menyeleksi data dari berbagai sumber dan menyeragamkan formatnya ke dalam satu set data. Step-step di atas dapat Anda lakukan ketika akan melakukan preprocessing data. Bagi Anda yang ingin mendalami pemrosesan data, Anda bisa memulainya dengan mengikuti kelas di Algoritma Data Science School. Tersedia beragam pilihan kelas data science yang bisa Anda ikuti sesuai kebutuhan. Informasi lebih lanjut, kunjungi website Algoritma dengan klik di sini!. Referensi analyticsvidhya– Data Preprocessing in Data Mining -A Hands On Guide owardsdatascience– Data Preprocessing Concepts Related Blog Perbedaan Batch Processing dan Real Time Processing 600 1440 Bunga Bunga2022-07-01 1114562022-07-17 215402Real Time Processing, Apa Bedanya dari Batch Processing?Tipe, Langkah, dan Metode Pengolahan Data 600 1440 Bunga Bunga2022-05-12 1052592022-07-17 2154023 Metode Pengolahan Data yang Perlu Data Science KetahuiMengenal Batch Processing dan Implementasinya 600 1440 Bunga Bunga2022-05-12 1020242022-07-17 215402Apa Itu Batch Processing dan Bagaimana Implementasinya? Tahapan kerja SIG meliputi Tahap masukan data/ input data, yaitu memasukan data spasial informasi geosfera yang dapat berwujud tabel, grafik, data digital, foto udara, peta dan lain-lain. Pengolahan data untuk pengorganisasian data keruangan, pengambilan dan analisis data. Analisis dan manipulasi data dapat menentukan informasi-informasi yang dapat dihasilkan oleh SIG dan berfungsi untuk membedakan data yang akan diproses dalam SIG. Tahap keluaran data/ output data berfungsi untuk menayangkan hasil analisis data geografis secara kualitatif ataupun kuantitatif. Sebelum dilakukan pengolahan pada data yang diperoleh, langkah yang dilakukan adalah input data. Proses ini bertujuan untuk memasukkan data spasial ke dalam sistem. Berdasarkan penjelasan tersebut, maka jawaban yang tepat adalah B.

sebelum data diproses maka dilakukan